自动化光谱与人机分工

一句话定义

自动化光谱把人机分工连续化为五档——展示 → 建议 → 辅助执行 → 确认后自动 → 完全自动，产品经理的职责是按「错误代价 × 任务频率 × 用户专业度」三因素为每个环节选档，并设计渐进式接管路径。

为什么重要

「要不要让 AI 自动做」是 AI 产品频率最高、代价最大的设计决策。选档过高，一次不可逆错误就摧毁信任与合规底线；选档过低，产品沦为玩具、效率价值无法兑现。光谱把二元争论转化为可调参数，且允许随质量数据成熟逐步升档——这是把风险变成运营变量的关键工具。

前置知识

kp-015 不确定性交互（低档位的信任基础）。

核心概念

• 五档光谱：①信息展示（AI 整理，人阅读）；②建议（AI 给方案，人执行）；③辅助执行（AI 起草，人修改后提交——Copilot 主档位）；④确认后自动（AI 执行，关键节点人审批）；⑤完全自动（AI 执行，人只看报告）。
• 三因素选档法：错误代价（可逆？可发现？可挽回？——不可逆动作一票降档）、任务频率（高频低代价才值得全自动的工程与评测投入）、用户专业度（专家用户能拦截错误，可升半档；外行用户无法判断对错，须降档或强化 kp-015 的核查设计）。
• 渐进式接管（进度条策略）：新功能从②档起步 → 采纳率与错误率达标（kp-022 监控）→ 逐步升档。反向路径同样存在：事故后立即降档是标准的应急动作。
• Human-in-the-loop（人机协同）卡点设计：审批卡点应设在「低频高代价」节点（付款、发送、删除），而非每步都确认——确认疲劳会让审批退化为肌肉盲点。

原理与机制

选档的底层是错误成本的期望值计算：自动化收益 ≈ 频率 × 单次节省人力，自动化风险 ≈ 频率 × 错误率 × 单次错误代价。频率高且代价低时（垃圾邮件过滤），即使错误率不低也值得全自动（错误被快速发现并可逆）；频率低且代价高时（大额转账审批），必须保留人工卡点。渐进式接管有效的原因是升档决策锚定在真实分布数据上而非乐观假设——每升一档都以前一档的实测错误率为前提，使「自动化程度」成为随证据演进的产品参数而非一次性赌注。

公式或模型

不适用——决策框架类内容；错误率数据来自 kp-021/kp-022 的评测与监控。

图示

实例或案例

• 档位对比：邮箱垃圾过滤（⑤，错误可逆——找回文件夹即可）与邮箱自动发送（必须④以上，不可逆）；同是「邮件 AI」，档位天差地别。
• 反面教训：某招聘工具用 AI 自动筛掉候选人（⑤档），因历史数据偏差导致系统性歧视（kp-031 关联案例），后被监管与舆论追责——不可逆决策（影响他人机会）+高代价 = 从设计上就应锁定②③档。
• 渐进式正面样本：某客服平台工单自动回复从「全部建议」起步，三个月后仅对「退货政策咨询」这一错误率 0.3% 的子类开④档自动发送，其余保持人工——按子类分档是光谱的高级用法。

常见误区

• 一步到位上全自动：跳过②③档的数据积累期，错误率没有实证基础，事故只是时间问题。
• 确认疲劳：处处弹「确认吗」，用户机械点确定后卡点形同虚设；卡点必须稀缺且位置关键。
• 降档不可用：只设计了升档没设计急降档，出事后只能下线功能；每档都应有开关，秒级可回。

直观类比

像教实习生接手工作：先让他整理资料（①②），再让他起草你签字（③），熟了以后小额报销他直接批、大额找你签（④），最后常规事务全交他、你只看周报（⑤）。跳级放权的老主管，和跳档上全自动的产品，结局相似。

自测题

1. 三因素中为什么错误代价有一票否决力？

要点：不可逆错误无法用高效率补偿（影响、资金、安全），代价维度直接锁定档位上限。

1. 渐进制接管的每一步升级依据什么？

要点：前一档实测的采纳率与错误率数据达标，而非主观感觉；数据来源是评测与线上监控。

1. 为什么审批卡点要「稀缺」？

要点：高频确认诱发自动化疲劳，审批退化为无意识点击，卡点失效；应设在低频高代价节点。

与其他知识点的关系

kp-015 为低档位提供信任基建；档位决策结果写入 kp-011 PRD 的交互章与 kp-029 风险清单；档位相关的伦理争议（替代人、歧视）在 kp-031 展开。

延伸阅读

• 《人机平台》（Human + Machine），Paul Daugherty、H. James Wilson——企业场景中人机分工的成熟框架。
• 《思考，快与慢》，Daniel Kahneman——审批疲劳与自动化偏见的心理机制。